本发明涉及环境监测领域，尤指一种蒸发比观测的时空拓展技术。
背景技术：
根据地表能量平衡方程，地表净辐射最终主要消耗于土壤热通量、感热通量和潜热通量。其中，潜热通量与感热通量的分配关系直接影响了地表-大气的相互作用以及边界层的形成。蒸发比(潜热通量占潜热通量与感热通量之和的比重)是衡量这种分配关系的重要诊断变量，也是地表水量平衡与能量平衡方程的关键闭合参数。准确获取蒸发比的时空分布数据，对于水文学、气象学以及生态学的发展具有重要的支撑作用。
由于传统观测方法只能通过有限数量的涡度相关系统、波文比系统和蒸渗仪获得蒸发比的站点观测值，而这种站点观测值的空间代表性有限，难以有效反映区域范围内蒸发比的时空变化。遥感技术的快速发展为蒸发比的大范围监测提供了新的发展机遇。然而现有的蒸发比遥感估算方法主要是基于光学与近红外波段发展起来的，此类传感器一般只适用于大面积晴天无云的天气条件，无法获得蒸发比的时间连续信息。此外，目前广泛用于蒸发比提取的地表温度-植被指数特征空间模型存在较多的局限性，这种局限性主要体现在模型干湿边界的确定上。具体来说，经验方法机理简单但精度较低，理论方法物理意义明确但参数化过程复杂。
目前，在地表温度-植被指数特征空间模型中，计算混合像元的蒸发比需要通过模型的干湿边界插值并基于priestley-taylor方程计算获得。一般来说，湿边的确定方法比较简单，通常是将研究区最低地表温度视为湿边。然而干边的确定却较为复杂，其中，经验方法是通过拟合固定区间内像元的干点获得观测干边，而理论方法基于地表能量平衡方程确定理论干边。后来，nishida提出了一种简化的方法，其只需计算混合像元中裸土在裸土干点与裸土湿点的位置即可计算蒸发比。然而，不管是确定混合像元还是裸土像元的相对位置，均需要大面积的晴空条件以满足模型边界的要求。此外，经验方法机理虽然简单但其精度较低，而理论方法的物理意义明确但参数化过程复杂。
在此背景下，如何基于特征空间模型快速有效地实现全天候蒸发比的时空连续反演引起了蒸散发研究领域的密切关注。
基于上述原因，发明人基于裸土干点与湿点的物理属性，依据太阳直接辐射与太阳高度角的余弦关系，通过晴天数据输入在年尺度建立了裸土干湿点的参数方程，使其实现全年裸土干湿点的连续估算。并基于蒸发比实测数据在每个站点优化干点参数方程中的振幅参数，目标在于使计算的蒸发比与实测蒸发比的差值最小，最终将站点获得的最优振幅参数应用到整个研究区蒸发比的求解，以实现蒸发比的时空连续监测。
技术实现要素：
为解决上述问题，本发明主要目的在于，提供一种蒸发比观测的时空拓展技术，
为实现上述目的，本发明提供了一种蒸发比观测的时空拓展技术,其是基于原始温度-植被盖度特征空间估算土壤蒸发效率的理念，发现了土壤蒸发效率计算所涉及干、湿点的季节性变化，使用余弦函数重新定义了模型的干、湿边界，并采用蒸发比实测数据校准的方式获得了干点参数的最优解，最终使用priestley-taylor公式完成了蒸发比的估算。
其可包含：
步骤1、获取研究区的遥感影像数据与通量观测数据；
步骤2、对遥感影像进行处理，得到计算蒸发比所需的输入变量；
步骤3、获得基于温度-植被盖度特征空间计算土壤蒸发效率所需的输入数据，并构建计算土壤蒸发效率的算法表达式；
步骤4、对土壤蒸发效率的算法表达式中的干、湿点参数进行年尺度的拟合，得到适用于整个研究区的干点和湿点参数；
步骤5、对拟合得到的干点参数进行蒸发比估算精度最高的干点参数；
步骤6、将最优的干点参数带入到蒸发比的求解中，得到相应研究区的蒸发比的时空连续分布。
其中，进一步的:
在步骤1中的获取研究区的遥感影像数据，具体是包括mod03定标定位数据，mod06_l2光学云厚度数据、mod07_l2大气剖面数据、mod11a1地表温度数据以及mod13a2植被指数数据；获取研究区的潜热通量与感热通量数据。而在步骤2中的对遥感影像进行处理，得到计算蒸发比所需的输入变量，其可包括研究区太阳高度角平均值、地表温度、植被盖度、空气温度，所述变量需要经过分辨率一致处理，获得预设分辨率的输入数据；对研究区的潜热通量与感热通量数据进行处理，包括瞬时观测数据提取与质量控制并计算蒸发比。另外，在所述步骤3中，计算蒸发比需要先计算土壤蒸发效率see，see直接从地表温度-植被指数特征空间模型中估算，计算每张遥感影像指定像元see的算法表达式为：
式中，ts,max表示裸土最高温度，为裸土干点；ts,min表示裸土最低温度，是裸土湿点，ts,i为混合像元的裸土温度；
其中，混合像元的地表温度lsti是由ts,i与植被温度(tv,i)通过植被盖度fc,i加权获得，ts,i的算法表达式为：
在步骤4中，其计算方法可为：
4.1所述步骤对特征空间的裸土干点ts,max与湿点ts,min进行年尺度的优化，使其适用于不同天气条件，算法表达式为：
tsmax,j＝amaxcos(amaxθj+bmax)(3)
tsmin,j＝amincos(aminθj+bmin)
tmin,j＝min(tsmin,j,tsmin,j′)
式中，j代表输入晴天影像的儒略日，θj代表输入影像太阳高度角的平均值，amax、amax、bmax，amin、amin、bmin分别表示裸土干点与湿点的拟合参数。
4.2在特征空间框架下，使用土壤蒸发效率计算蒸发比的方法遵循priestley-taylor公式，算法表达式为：
式中，δi为饱和水气压随温度变化的斜率，γ为干湿表常数，为0.658hpa℃-1。
4.3通过see估算
4.4干点的确定，是采用实测数据驱动的方式，设amax为未知参数，通过校准获得蒸发比估计值与实测值相差最小的amax，算法表达式为：
式中，下标i,j表示第j天第i个像元，n为晴天数目，ef'i,j表示蒸发比的估计值，efi,j为相应的实测值，基于上式可获得每个站点的最优参数amax。
步骤5中可包括具体步骤：
5.1基于特征空间框架进行干点优化以及实测值校准时，需要满足土壤蒸发效率的基本物理属性，表达为：
0≤see≤1(7)
tmin,j<tmax,j≤u
式中，u表示裸土温度的上界，通过研究区多年地表温度的最高值确定；
5.2基于公式(1)-(6)与约束(7)，使每个站点都获得使该站点蒸发比估计值与实测值差值最小的amax，将晴天每个站点校准的amax通过公式(1)、(2)、(4)与(5)应用到该站点所有天气条件下蒸发比的求解，以实现蒸发比估算的时间连续性；
以及步骤5中还包括：
基于步骤5.2，将一个站点获得的最优amax应用到其他站点蒸发比的求解，由于蒸发比的求解结果与原始站点校准产生的最优amax差别不大，借助一个站点校准估算整个研究区的蒸发比，以实现蒸发比估算的空间连续性。
其中步骤4中的土壤蒸发效率计算所涉及干、湿点的季节性变化，是使用余弦函数定义模型的干、湿边界，其干点与湿点是使用余弦函数拟合的方式获得，其是利用实测数据校准获得统计意义上的最优干点参数。
在本发明中是可使用priestley-taylor公式或其他现有技术公式完成蒸发比的估算。
本发明有益效果在于，借助上述技术方案，本发明公开了一种蒸发比观测的时空拓展技术，基于原始温度-植被盖度特征空间估算土壤蒸发效率的理念，发现了土壤蒸发效率计算所涉及干、湿点的季节性变化，使用余弦函数重新定义了模型的干、湿边界，并采用蒸发比实测数据校准的方式获得了干点参数的最优解，最终使用priestley-taylor公式完成了蒸发比的估算。经将本发明将蒸发比时空拓展技术应用到美国南大平原区域，进行了蒸发比估算的时间与空间连续性的验证，其结果表明：干点与湿点可以使用余弦函数拟合的方式获得，并且实测数据校准可以获得统计意义上的最优干点参数；晴天条件下单站点的蒸发比估算结果较传统方法精度一致或有所提高，而晴天校准的参数可以直接应用到部分有云条件下，并且所有天气条件下估算的精度与晴天条件下无显著差异，从而实现了蒸发比的时间连续估算；单个站点校准获得的最优参数可以用于其他站点蒸发比的估算，并且多天多站点的蒸发比验证结果在不同的校准站点没有显著差异，所以一个站点就可以校准整个研究区，从而实现了蒸发比的空间连续估算。本发明借助上述技术方案实现了蒸发比估算的时间连续性以及快速性，这是传统基于特征空间模型计算蒸发比不具备的优势。
附图说明
图1为本发明的一种蒸发比观测的时空拓展技术的方法流程；
图2是本发明计算土壤蒸发效率所依据的特征空间框架；
图3是本发明实施案例中研究区2004年植被类型与站点分布；
图4是本发明实施案例中基于zhu等2016年空气温度计算的精度；
图5是本发明实施案例中土壤蒸发效率中干、湿点的拟合效果；
图6是本发明实施案例中晴天条件下不同站点校准时多天多站点蒸发比的估计精度；
图7是本发明实施案例中不同站点全天候的蒸发比估计值与实测值的曲线。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案做进一步具体的说明。
本发明基于地表蒸发比实测值与地表温度-植被指数特征空间模型，提出了一种实测数据驱动的大尺度异质区域蒸发比时空连续监测的方法，并基于典型区域证明了该方法建立模型边界的简单实用性以及蒸发比估算的连续性与准确性。
如图1所示，其为本发明的一种蒸发比观测的时空拓展技术的方法流程，本发明的一种蒸发比观测的时空拓展技术,其主要包含：
步骤1、获取研究区的遥感影像数据与通量观测数据；
步骤2、对遥感影像进行处理，得到计算蒸发比所需的输入变量；
步骤3、获得基于温度-植被盖度特征空间计算土壤蒸发效率所需的输入数据，并构建计算土壤蒸发效率的算法表达式；
步骤4、对土壤蒸发效率的算法表达式中的干、湿点参数进行年尺度的拟合，得到适用于整个研究区的干点和湿点参数；
步骤5、对拟合得到的干点参数进行蒸发比估算精度最高的干点参数；
步骤6、将最优的干点参数带入到蒸发比的求解中，得到相应研究区的蒸发比的时空连续分布。
在一具体实施例中，本发明的一种蒸发比观测的时空拓展技术的技术方案为：
(1)获取研究区的遥感影像数据，具体包括mod03定标定位数据，mod06_l2光学云厚度数据、mod07_l2大气剖面数据、mod11a1地表温度数据以及mod13a2植被指数数据；获取研究区的潜热通量与感热通量数据。
(2)对遥感影像进行处理，得到计算蒸发比所需的输入变量，其中包括研究区太阳高度角平均值、地表温度、植被盖度、空气温度，上述变量需要经过分辨率一致处理，获得1km，1day分辨率的输入数据；对研究区的潜热通量与感热通量数据进行处理，包括瞬时观测数据提取与质量控制并计算蒸发比。
(3)计算蒸发比需要先计算土壤蒸发效率(see)，see是基于nishida等2003年的研究，可直接从地表温度-植被指数特征空间模型中估算。计算每张遥感影像指定像元see的算法表达式为：
式中，ts,max表示裸土最高温度，为裸土干点；ts,min表示裸土最低温度，是裸土湿点，ts,i为混合像元的裸土温度。
(4)混合像元的地表温度(lsti)由ts,i与植被温度(tv,i)通过植被盖度(fc,i)加权获得。原始方法中tv,i的计算是基于moran等1994年的方法，本发明基于zhu等人2016年的方法，使用空气温度ta,i代替，因此ts,i的算法表达式为：
(5)传统土壤蒸发效率方法中，干点与湿点通常采用观测值拟合的方法，后续又有理论方法，但仍局限于晴天条件。为克服传统方法时间不连续的缺点，本发明对特征空间的裸土干点ts,max与湿点ts,min进行年尺度的优化，使其适用于不同天气条件，算法表达式为：
tsmax,j＝amaxcos(amaxθj+bmax)(3)
tsmin,j＝amincos(aminθj+bmin)
tmin,j＝min(tsmin,j,tsmin,j′)
式中，j代表输入晴天影像的儒略日，θj代表输入影像太阳高度角的平均值，amax、amax、bmax，amin、amin、bmin分别表示裸土干点与湿点的拟合参数。
(6)在特征空间框架下，使用土壤蒸发效率计算蒸发比的方法遵循priestley-taylor公式，算法表达式为：
式中，δi为饱和水气压随温度变化的斜率，γ为干湿表常数，为0.658hpa℃-1。
(7)本发明参考komatsu等2003年的研究，通过see估算
(8)相比于湿点，干点的确定更为重要，本发明采用实测数据驱动的方式，设amax为未知参数，通过校准获得蒸发比估计值与实测值相差最小的amax。因此，算法表达式为：
式中，下标i,j表示第j天第i个像元，n为晴天数目，ef'i,j表示蒸发比的估计值，efi,j为相应的实测值，基于上式可获得每个站点的最优参数amax。
(9)基于特征空间框架进行干点优化以及实测值校准时，需要满足土壤蒸发效率的基本物理属性，可表达为：
0≤see≤1(7)
tmin,j<tmax,j≤u
式中，u表示裸土温度的上界，通过研究区多年地表温度的最高值确定。
(10)基于公式(1)-(6)与约束(7)，每个站点都可以获得使该站点蒸发比估计值与实测值差值最小的amax。本发明将晴天每个站点校准的amax通过公式(1)、(2)、(4)与(5)应用到该站点所有天气条件下蒸发比的求解，实现了蒸发比估算的时间连续性。
(11)基于步骤(10)，本发明将一个站点获得的最优amax应用到其他站点蒸发比的求解，蒸发比的求解结果与原始站点校准产生的最优amax差别不大，说明一个站点校准就可以估算整个研究区的蒸发比，实现了蒸发比估算的空间连续性。
以下实施例用于说明本发明，但不用来限制本发明的范围。
示例性的，本发明应用上述技术方案，以2004年美国南大平原区域为研究对象，对蒸发比观测的时空拓展技术进行了验证，可参考图1，具体验证过程为：
步骤1、下载2004年美国南大平原区域的modis遥感影像，
步骤2、进行数据的预处理操作，
步骤3、得到用于构建温度-植被盖度特征空间的植被盖度与地表温度数据，并获得计算土壤蒸发效率所需的其他输入数据，特征空间的框架可见图2。获得2004年美国南大平原区域站点的通量观测数据，进行数据的预处理操作，2004年研究区的植被类型与站点分布可见图3。
构建原始土壤蒸发效率计算的算法表达式，主要涉及的重要变量为裸土像元的温度与空气温度。裸土像元的温度计算采用moran等的研究，对混合像元进行分解，计算裸土像元的温度需要已知空气温度，空气温度的估算基于zhu等的研究，采用大气轮廓线外推的方法，估算精度见图4。
步骤4、对南大平原区域的干点与湿点进行年尺度的拟合，干点的拟合使用研究区晴天条件下最高地表温度与太阳高度角的平均值作为输入，湿点的拟合采用研究区晴天条件下最高地表温度与太阳高度角的平均值作为输入，二者都采用余弦函数拟合的方式，最终得到土壤蒸发效率中干、湿点的拟合结果，可见图5。
步骤5、将干点参数中的振幅参数设为未知，每个站点使用蒸发比实测数据校准，输出使得蒸发比观测值与实测值差值最小的振幅参数，南大平原区域13个站点的最优参数及晴天条件下点的估计精度见如表1所示。
表1晴天条件下站点校准获得的振幅参数及校准精度
步骤6、为了获得空间连续的蒸发比分布，使用一个站点校准获得的最优参数，应用到其余12个站点的蒸发比估算中，晴天条件下多天多站点的结果如图6所示。不同站点校准的最优振幅参数虽然不同，但其应用到其余站点的求解中没有显著的差别，因此一个站点就可以校准整个研究区，实现蒸发比估算的空间连续性。
晴天校准的最优振幅参数直接应用到了部分有云天气的求解，部分有云天气条件下多天多站点的蒸发比估算的结果可见表2。与晴天估算结果相同，多天多站点的估算精度没有明显差异，南大平原上述13个站点蒸发比估计值与实测值的时序曲线如图7所示，估计值与观测值取得了一致的分布。
表2部分有云条件下不同站点校准时多天多站点蒸发比的估计精度
综上所述，由本发明的该具体实施例充分表明，本发明的技术方案，借助干点与湿点可以使用余弦函数拟合的方式获得，并且实测数据校准可以获得统计意义上的最优干点参数；晴天条件下单站点的蒸发比估算结果较传统方法精度一致或有所提高，晴天校准的参数可以直接应用到部分有云条件下，并且所有天气条件下估算的精度与晴天条件下无显著差异，从而实现了蒸发比的时间连续估算；而且，单个站点校准获得的最优参数可以用于其他站点蒸发比的估算，并且多天多站点的蒸发比验证结果在不同的校准站点没有显著差异，所以一个站点就可以校准整个研究区，从而实现了蒸发比的空间连续估算。由此，本发明实现了蒸发比估算的时间连续性以及快速性，这是传统基于特征空间模型计算蒸发比不具备的优势。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解，依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。